MétaCan
Menu
Retour à la cohorte
Enregistrement W2033935036 · doi:10.1542/peds.112.5.1083

Use of a Telephone Nursing Line in a Pediatric Neurology Clinic: One Approach to the Shortage of Subspecialists

2003· article· en· W2033935036 sur OpenAlexaff
Megan Letourneau, Daune MacGregor, Paul T. Dick, Eva McCabe, Anita Allen, Valerie Chan, Lynn J. MacMillan, Meredith R. Golomb

Notice bibliographique

RevuePEDIATRICS · 2003
Typearticle
Langueen
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineTelephone callNeurologyConfidence intervalEconomic shortagePediatric NeurologyFamily medicineSick childOutpatient clinicPediatricsPsychiatry

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: There are not enough pediatric neurologists to meet the many needs of pediatric neurology patients. The Hospital for Sick Children has responded by expanding the nursing role in the pediatric neurology outpatient clinic. The objective of this study was to examine the use of a telephone nursing line in this hospital-based pediatric neurology clinic. METHODS: A cross-sectional study was performed on all telephone call records collected during a 2-week study period. Each initial incoming call concerning a patient was counted as an index call. Associations between clinic type or diagnosis and length of telephone calls were assessed using the chi(2) test. RESULTS: A total of 208 index calls were received, generating a total of 597 incoming and outgoing calls. The most common clinic types were Epilepsy clinic (35.6%) and General Neurology clinic (32.7%), and the most common patient diagnoses were epilepsy (63.5%) and developmental delay (45.2%). Most patients were between the ages of 1 and <7 years (33.9%) and 12 and <18 years (32.8%) and male (55.2%). Most calls were made by mothers (57.2%) to ask about medical administrative issues (28.4%) and/or symptoms (27.9%). Physicians were notified for 47.1% of calls; nurses were twice as likely to notify physicians for calls concerning new symptoms (relative risk: 2.1; 95% confidence interval: 1.6-2.7). Most calls required between 1 and 5 minutes (49.0%). Long telephone calls (>10 minutes) were strongly associated with a diagnosis of epilepsy. CONCLUSIONS: There is a high demand for the neurology nursing line in our clinic. Most telephone calls and most long telephone calls concerned patients with epilepsy. Nurses managed more than half of all telephone calls without physician assistance. Use of a nursing line can aid in the provision of care to complicated subspecialty patients. Additional strategies are needed to optimize delivery of care to high-need medical populations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,114
Tête enseignante GPT0,369
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePEDIATRICSMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207